Сайт в помощь студенту Грамоте учиться – всегда пригодится

Курс лекций по дисциплине «Моделирование»

1. Понятие о моделях и моделировании. Свойства моделей

 

Термин модель неоднозначен и охватывает чрезвычайно широкий круг материальных и идеальных объектов. Признаком, объединяющим такие, казалось бы, несопоставимые объекты как система дифференциальных уравнений математической физики и пара дамских туфель, выставленных на витрине, является их информационная сущность. Любая модель – идеальная или материальная, используемая в научных целях, на производстве или в быту – несет информацию о свойствах и характеристиках исходного объекта (объекта - оригинала), существенных для решаемой субъектом задачи. Модели – отражение знаний об окружающем мире.

Пусть имеется некоторая конкретная система. Лишь в единичных случаях мы имеем возможность провести с самой этой системой все интересующие нас исследования. С ростом сложности системы возможности натурного эксперимента резко падают. Он становится дорогим, трудоемким,  длительным по времени, в слабой степени вариативным. Тогда предпочтительнее работа с моделью. В ряде же случаев мы вообще не имеем возможности наблюдать систему в интересующем нас состоянии. Например, разбор аварии на техническом объекте приходится вести по ее протокольному описанию.  Специалист  по  электронной  технике  будет  изучать большинство типов ЭВМ по литературе, и только часть из них опробует на практике. В этих примерах доступна лишь модель, но это не мешает нам эффективно познавать систему.

Рассмотрение вместо самой системы (явления, процесса, объекта) ее модели практически всегда несет идею упрощения. Мы огрубляем представления о реальном мире, так как оперировать категорией модели экономичнее, чем действительностью. Но вопрос выделения и формальной фиксации тех особенностей, которые существенны для целей рассмотрения, весьма непрост. Известно большое количество удачных моделей, составляющих предмет гордости человеческой мысли, — от конечноэлементной модели в прикладных задачах математической физики до модели генетического кода. Однако велико количество процессов и явлений, для которых на настоящий момент нет удовлетворительного описания. Правда, в области техники положение с моделированием можно считать удовлетворительным, но и здесь имеются «узкие» места, связанные с плохо определяемыми параметрами, коэффициентами, а также слишком грубые описания.

Определение. Модель в общем смысле есть создаваемый с целью получения и (или) хранения информации специфический объект (в форме мысленного образа, описания знаковыми средствами либо материальной системы), отражающий свойства, характеристики и связи объекта – оригинала  произвольной природы, существенные для задачи, решаемой субъектом.

Непосредственно из структуры принятого определения вытекают ряд общих свойств моделей, которые обычно принимаются во внимание в практике моделирования.

1. Модель представляет собой «четырехместную конструкцию», компонентами которой являются субъект; задача, решаемая субъектом; объект-оригинал и язык описания или способ воспроизведения модели. Особую роль в структуре обобщенной модели играет решаемая субъектом задача. Вне контекста задачи или класса задач понятие модели не имеет смысла.

2. Каждому материальному объекту, вообще говоря, соответствует бесчисленное множество в равной мере адекватных, но различных по существу моделей, связанных с разными задачами.

3. Паре задача-объект тоже соответствует множество моделей, содержащих в принципе одну и ту же информацию, но различающихся формами ее представления или воспроизведения.

4. Модель по определению всегда является лишь относительным, приближенным подобием объекта-оригинала и в информационном отношении принципиально беднее последнего. Это ее фундаментальное свойство.

5. Произвольная природа объекта-оригинала, фигурирующая в принятом определении, означает, что этот объект может быть материально-вещественным, может носить чисто информационный характер и, наконец, может представлять собой комплекс разнородных материальных и информационных компонентов. Однако независимо от природы объекта, характера решаемой задачи и способа реализации модель представляет собой информационное образование.

6. Частным, но весьма важным для развитых в теоретическом отношении научных и технических дисциплин является случай, когда роль объекта-моделирования в исследовательской или прикладной задаче играет не фрагмент реального мира, рассматриваемый непосредственно, а некий идеальный конструкт, т.е. по сути дела другая модель, созданная ранее и практически достоверная. Подобное вторичное, а в общем случае n-кратное моделирование может осуществляться теоретическими методами с последующей проверкой получаемых результатов по экспериментальным данным, что характерно для фундаментальных естественных наук. В менее развитых в теоретическом отношении областях знания (биология, некоторые технические дисциплины) вторичная модель обычно включает в себя эмпирическую информацию, которую не охватывают существующие теории.

Свойства любой модели таковы:

  • конечность: модель отображает оригинал лишь в конечном числе его отношений и, кроме того, ресурсы моделирования конечны;
  • упрощенность: модель отображает только существенные стороны объекта;
  • приблизительность: действительность отображается моделью грубо или приблизительно;
  • адекватность: модель успешно описывает моделируемую систему;
  • информативность: модель должна содержать достаточную информацию о системе - в рамках гипотез, принятых при построении модели.

 

2. Классификация моделей         

 

            Каждая модель характеризуется тремя признаками:

q  принадлежностью к определённому классу задач (по классам задач)

q  указанием класса объектов моделирования  (по классам объектов)

q  способом реализации (по форме представления и обработки информации). 

Рассмотрим более подробно последний вид классификации. По этому признаку модели делятся на материальные и идеальные. 

Материальные модели:

a)      геометрически подобные масштабные, воспроизводящие пространственно- геометрические характеристики оригинала безотносительно его субстрату (макеты зданий и сооружений, учебные муляжи и др.);

b)      основанные на теории подобия субстратно подобные, воспроизводящие с масштабированием в пространстве и времени свойства и характеристики оригинала той же природы, что и модель, (гидродинамические модели судов, продувочные модели летательных аппаратов);

c)      аналоговые приборные, воспроизводящие исследуемые свойства и характеристики объекта оригинала  в моделирующем объекте другой природы на основе некоторой системы прямых аналогий (разновидности электронного  аналогового моделирования).

Рассмотрим более подробно два последних пункта. Для парохода правильный выбор обводов, подбор гребного винта и согласование с характеристиками винта и корпуса мощности и скорости вращения вала – проблема №1. По существу речь идет о необходимости оптимизировать взаимодействие системы корпус – винт – двигатель с обтекающей  судно жидкой средой по критерию максимального КПД. Решение проблемы опытным путем невозможно по очевидным экономическим соображениям, не поддается она и теоретическому решению. Выход был найден на пути синтеза теории масштабного гидродинамического  моделирования, т.е. экспериментальное исследование малых геометрически подобных моделей проектируемых судов в специальных бассейнах на основе теории подобия. Теория обеспечивала возможность достоверного переноса данных, полученных на модели, на «натуру», на свойства и характеристики реального, но еще не существующего судна. И сегодня методы масштабного физического моделирования сохраняют свое  значение.

Аналоговое моделирование основано на том, что свойства и характеристики некоторого объекта воспроизводятся  с помощью модели иной, чем у оригинала физической природы. Целый ряд явлений и процессов существенно различной природы описывается аналогичными по структуре математическими выражениями. Описываемые аналогичными математическими структурами разнородные объекты можно рассматривать как пару моделей, которые с точностью до свойств, учитываемых в математическом описании, взаимно отображают друг друга, причем коэффициенты, связывающие соответственные (сходственные) параметры, являются в этом  случае размерными величинами. 

Идеальные модели

a)      неформализованные модели, т.е. системы представлений об объекте оригинале, сложившиеся в человеческом мозгу;

b)      частично формализованные:

вербальные – описание свойств и характеристик оригинала на некотором естественном языке (текстовые материалы проектной документации, словесное описание результатов технического эксперимента);

графические иконические – черты, свойства и характеристики оригинала, реально или хотя бы теоретически доступные непосредственно зрительному восприятию (художественная графика, технологические карты);

графические условные – данные наблюдений и экспериментальных исследований в виде графиков, диаграмм, схем;

c)      вполне формализованные (математические) модели.

Основное отличие этого типа моделей от остальных состоит в вариативности — в кодировании одним знаковым описанием огромного  количества конкретных вариантов поведения системы. Tак, линейные дифференциальные уравнения с постоянными коэффициентами  описывают и движение массы на пружине, и изменение тока в колебательном контуре, и измерительную схему системы автоматического регулирования, и ряд других процессов. Однако еще более важно то, что в каждом из этих описаний одни и те же уравнения в буквенном (а вообще говоря, и в числовом) виде соответствуют бесконечному числу комбинаций конкретных значений параметров. Скажем, для процесса механических колебаний — это любые значения массы и жесткости пружины.

В знаковых  моделях возможен дедуктивный вывод свойств, количество следствий в них обычно более значительно, чем в моделях других типов. Они отличаются компактной записью удобством работы, возможностью изучения в форме, абстрагированной от конкретного содержания. Все это позволяет считать знаковые модели наивысшей ступенью и  рекомендовать стремиться к такой форме моделирования.

Заметим, что деление моделей на вербальные, натурные и знаковые в определенной степени условно. Так, существуют смешанные типы моделей, скажем, использующие и вербальные, и знаковые построения.

Введем «прагматическое» определение математической модели, удобное для практических приложений. Для этого используем хорошо известное из кибернетики представление объекта в виде «черного ящика».

Первым шагом к осознанному построению модели во всех случаях является уяснение и четкая формулировка исследования или иной задачи, ради решения которой осуществляется моделирование. Этот шаг базируется на содержательном анализе исходной проблемы, предполагает сбор и осмысление всех уже имеющихся данных, относящихся к задаче. Следующий шаг, с которого начинается процедура собственно моделирования, заключается в определении границ объекта, подлежащего модельному описанию и исследованию с целью решения задачи. Здесь возможен очень широкий диапазон различных ситуаций (зависит от характера задачи, степени сложности и изученности). Будем считать, что в соответствии с имеющейся информацией мы приняли некоторую гипотезу о границах объекта, подлежащего модельному исследованию. Исходя из принципа всеобщей взаимосвязи и взаимозависимости, можно утверждать, что в общем случае выявленный объект, с одной стороны, подвергается воздействиям со стороны окружающей среды, с другой – сам воздействует на эту среду, изменяя её состояние. Связи среда – объект будем именовать, как это принято, входными воздействиями или входами Х (часто вводят разделение входных воздействий на управления (U) и возмущения (V)), а воздействия объект – среда (Y) – выходными.

Очевидно, что достаточно полный (с точки зрения решаемой задачи) учет входных и выходных связей объекта с более широкой системой (средой), компонентом которой он является, есть необходимое условие правомерности выделения объекта из среды. Каждая упущенная исследованием существенная связь создает угрозу того, что состояние и свойства выявленного объекта  уже не будут соответствовать тем, которые имели место в исходной реальной системе и модель, базирующаяся на подобном представлении, окажется заведомо неадекватной. С другой стороны, по практическим соображениям в модели желательно учитывать возможно меньшее число факторов, ибо её сложность и громоздкость являются не менее серьезными недостатками, чем неполнота. Разрешение данного противоречия, т.е. выбор подлежащих учету в модели существенных входных и выходных воздействий и абстрагирование от прочих, предположительно незначимых, представляет собой весьма ответственный момент при построении любой модели, т.к. решающим  образом влияет на её качество и эффективность. Здесь необходимо глубокое понимание существа решаемой задачи, тщательное изучение воспроизводимой в модели исходной реальной системы, необходим опыт и эвристические способности. Если моделируемый объект представляет собой реально существующую материальную систему, его связями, очевидно, являются также вполне реальные материальные факторы: силы различной природы, пространственные перемещения с их производными, потоки вещества, потоки энергии, а в некоторых случаях потоки информации. Все они должны быть исследованы и описаны в качественном и количественном отношении, оценены посредством «числа и меры», после чего превращаются в информационные конструкты и приобретают статус переменных модели.

Использование математической модели в современном смысле слова не связано с материальным воспроизведением подлежащих исследованию свойств и характеристик объекта и не предполагает экспериментальных процедур. Объект, описанный на языке математики, представляется некоторой математической структурой (дифференциальными или конечно-разностными уравнениями, передаточной функцией, графом и т.п.) с определенными параметрами, а процесс исследования (так называемое решение математической модели) заключается в применении к этой структуре совокупности математических преобразований и операций в соответствии с некоторым алгоритмом. Результатом вычислительного процесса является новая информация об  объекте, разумеется, в той части его свойств, которые нашли отражение в исходном математическом описании. Возможности современных ЭВМ и программных средств позволяют исследовать эти свойства при всевозможных вариациях параметров, входящих в исходную модель, определять присущие ей вероятностно-статистические характеристики, находить значения параметров, оптимальных по тому или иному критерию и решать множество других самых разнообразных задач.

Под словами “модельное описание” или “модель” понимается мате­матически формализованное описание некоторого явления или объекта в терминах определенной группы его характеристик. Математическая модель сложных управляемых процессов содержит очень много величин различной природы. Все эти величины естественным образом можно разделить на три группы:

• к первой группе относятся величины, которые принято называть эн­догенными (внутренними), или фазовыми; они являются искомыми величинами, т. е. подлежат определению, вычислению в силу связей модели;

•  ко второй группе относятся так называемые экзогенные (внешние) величины, они полагаются известными в рамках данной модели;

•   к третьей группе относятся управления — величины, находящие­ся в распоряжении органов управления, с помощью которых можно оказать влияние на течение процесса.

Само слово “модель” означает совокупность связей между всеми эти­ми величинами. Если эта совокупность связей позволяет определить на данном отрезке времени все эндогенные  величины при условии, что на нем заданы управления, экзогенные величины, а также начальные для этого отрезка (и, возможно, граничные – в пространственном смысле) значения фазовых переменных, то модель называется замкнутой.

Разделение на внешние и внутренние величины можно выполнить не единственным образом, оно является в известной мере условным и связано со способом использования модели и целями моделирования.

 

 

3. Классификация математических моделей по свойствам

обобщенного объекта моделирования

 

            Будем предполагать, что возможно, хотя бы в принципе, установить и на некотором языке описания (например, средствами математики) охарактеризовать зависимость каждой из выходных переменных от входных. Связь между входными и выходными переменными моделируемого объекта в принципе может характеризоваться графически, аналитически, т.е. посредством некоторой формулы общего вида, или алгоритмически. Независимо от формы представления конструкта, описывающего эту связь, будем именовать его оператором вход-выход и обозначать через Â.

Пусть М=М(X,Y,Z), где X - множество входов, Y - выходов, Z - состояний системы. Схематически можно это изобразить: X Z Y.

            Рассмотрим теперь  наиболее существенные с точки зрения моделирования внутренние свойства объектов разного класса. При этом придется использовать понятие структура и параметры моделируемого объекта. Под структурой понимается совокупность учитываемых в модели компонентов  и связей, содержащихся внутри объекта, а после формализации описания объекта – вид математического выражения, которое связывает его входные и выходные переменные (например: у=au+bv). Параметры представляют собой количественные характеристики внутренних свойств объекта, которые отражаются принятой структурой, а в формализованной математической модели они суть коэффициенты (постоянные переменные), входящие в выражения, которыми описывается структура (а и b).

            Первое свойство непрерывность и дискретность. Все те объекты, переменные которых (включая, при необходимости, время) могут принимать несчетное множество сколь угодно близких  друг к другу значений называются непрерывными или континуальными. Подавляющее большинство реальных физических и теоретических объектов, состояние которых характеризуется только макроскопическими физическими величинами (температура, давление, скорость, ускорение, сила тока, напряженность электрического или магнитного полей и т.д.) обладают свойством непрерывности. Математические структуры, адекватно описывающие такие объекты, тоже должны быть непрерывными. Поэтому при модельном описании таких объектов используется главным образом, аппарат дифференциальных и интегро-дифференциальных уравнений. Дифференциальные уравнения как инструмент модельного описания физических и технических объектов настолько широко распространены в приложениях, что некоторые специалисты, главным образом инженеры, только их и рассматривают, как полноценные модели. Это неправильно. Объекты, переменные которых могут принимать некоторое, практически всегда конечное число наперед известных значений, называются дискретными. Примеры: релейно-контактные переключательные схемы, коммутационные системы АТС. Основой формализованного описания дискретных объектов является аппарат математической логики (логические функции, аппарат булевой алгебры, алгоритмические языки). В связи с развитием ЭВМ дискретные методы анализа получили широкое распространение также для описания и исследования непрерывных объектов.

Непрерывность или дискретность. Это свойство выражается в структуре множеств (совокупностей), которым принадлежат параметры состояния, параметр процесса и входы, выходы  системы. Таким образом, дискретность множеств Z,Y, Т, Х   ведет к модели, называемой дискретной, а их непрерывность — к   модели   с   непрерывными   свойствами.   Дискретность входов (импульсы внешних сил, ступенчатость воздействий и др.) в общем  случае не ведет к дискретности модели в целом. Важной характеристикой дискретной модели является конечность или бесконечность числа состояний системы и числа значений выходных характеристик. В первом случае модель называется дискретной конечной. Дискретность модели также может быть как естественным условием (система скачкообразно меняет свое состояние и выходные свойства), так и искусственно внесенной особенностью. Типичный пример последнего — замена непрерывной математической функции на набор ее значений в фиксированных точках.

Следующее свойство модели — детерминированность или стохастичность. Если в модели среди величин имеются случайные, т. е. определяемые лишь некоторыми вероятностными характеристиками, то модель называется стохастической (вероятностной, случайной). В этом случае и все результаты, полученные при рассмотрении модели, имеют стохастический характер и должны быть соответственно интерпретированы.

Здесь подчеркнем, что с точки зрения практики граница между детерминированными и стохастическими моделями выглядит расплывчатой. Так, в технике про любой размер или массу можно сказать, что это не точное значение, а усредненная величина типа математического ожидания, в связи с чем и результаты вычислений будут представлять собой лишь математические ожидания исследуемых величин. Однако такой взгляд представляется крайним. Удобный практический прием состоит в том, что при малых отклонениях от фиксированных значений модель считается детерминированной, а отклонение результата исследуется методами оценок или анализа ее чувствительности. При значительных же отклонениях применяется методика стохастического исследования.

            Свойства сосредоточенности или распределенности  характеризуют объекты с точки зрения роли, которую играет в их модельном описании пространственная протяженность (на фоне скорости распространения физических процессов). Если пространственной протяженностью объекта можно пренебречь и считать, что независимой переменной является только время (протекающих в нем процессов), принято говорить об объекте с сосредоточенными параметрами. К числу таких объектов, которые описываются (в случае детерминированности и непрерывности) обыкновенными  дифференциальными уравнениями, относится подавляющее большинство механизмов, машин и вообще локальных технических устройств (расстояния между компонентами практически не влияют на исследуемые свойства и характеристики). В пространственно протяженных объектах адекватное описание требует учета не только времени, но и пространственных координат. В таком случае говорят о классе объектов с распределенными параметрами. Примеры: всевозможные «длинные линии» - проводная линия связи, описываемая так называемым  телеграфным уравнением, длинные трубопроводы, технологические линии в непрерывном пространстве. Электромагнитное поле с его обобщенной математической  моделью – уравнениями Максвелла – представляет собой классический пример трехмерного объекта с распределенными параметрами. Непрерывные и детерминированные объекты с распределенными параметрами описываются дифференциальными уравнениями в частных производных.

Статические и динамические модели. Статические модели относятся к объектам, практически неизменяющимся во времени или рассматриваемым в отдельные временные сечения. Динамические модели воспроизводят изменения состояний («движение») объекта с учетом как внешних, так и  внутренних факторов.

Для динамических моделей часто вводят понятия стационарность и нестационарность. Чаще всего    стационарность    выражается    в    неизменности  во  времени  некоторых  физических  величин:   стационарным является поток жидкости с постоянной скоростью, стационарна механическая система, в которой силы зависят только от координат и не зависят от времени.

Под стационарным объектом, в более общем смысле, подразумевают неизменность структуры и параметров объекта. Поэтому он описывается выражением, которое включает в себе только постоянные коэффициенты.              Нестационарность может иметь место относительно параметров, относительно структуры и одновременно. Чаще имеет место нестационарность относительно параметров, т.е. рассматривается объект с переменными коэффициентами, что усложняет исследование. Общей теории и специального математического аппарата для описания существенно нестационарных объектов переменной структуры еще не существует. Исследование таких объектов проводится на основе некоторых методов прикладного системного анализа, которые  сочетают формализованные математические процедуры с эвристикой и здравым смыслом, а также широко используют прием декомпозиции и последующего объединения частных решений.

С точки зрения общности методов анализа, возможностей математического аппарата и трудоемкости исследования чрезвычайно существенно деление объектов на линейные и нелинейные. Для первых справедлив принцип суперпозиций, когда каждый из выходов объекта характеризуется некоторой линейной формулой, связывающих его со значениями соответственных входных переменных. С точки зрения математического аппарата линейность объекта относительно переменных означает, что среди  коэффициентов,  входящих в его математическое описание, отсутствуют величины, зависящие от переменных, их производных и интегралов. Если коэффициенты не зависят и от времени, то это самый благоприятный и наиболее распространенный в технических приложениях случай: описание объекта в классе линейных стационарных моделей.

Линейность (нелинейность) обычно расшифровывается как линейная  (нелинейная)  зависимость от входов операторов состояний или выходов. Линейность может являться как естественным, хорошо соответствующим природе, так и искусственным   (вводимым для целей упрощения) свойством  модели.

 

4. Адекватность и эффективность математических моделей

 

            Вопрос о необходимой и достаточной степени соответствия объекту – оригиналу или адекватности модели относится к числу важнейших в сфере модельной методологии. Под эффективностью понимают практическую полезность. Процесс моделирования неизбежно протекает в условиях диалектического взаимодействия двух противостоящих друг другу тенденций. С одной стороны, исследователь всегда стремиться  к возможно более полному и точному  воспроизведению в модели свойств и характеристик объекта. Неизбежным следствием такого подхода является рост сложности, которая проявляется в числе переменных, числе учитываемых связей и влияний, повышении требования к точности исходных данных и т.д. Именно эта сторона дела – требование полноты соответствия модели объекту – оригиналу акцентируется в большинстве философских работ и даже рассматривается некоторыми авторами как мера совершенства модели. Однако практика показала неопровержимо: эффективность модели находится в обратной зависимости от её сложности, быстро убывая с ростом последней.

            Определить математическим путем наилучшее сочетание полноты-точности создаваемой модели с одной стороны и простоты с другой, практически никогда не удается из-за неформализуемости и неоднозначности большей части подлежащих учету факторов.

            Пара задача-объект в основном определяет номенклатуру подлежащих учету переменных объекта; параметры, входящие в модель, число и характер связей между ними, требования к точности данных и ряд других важнейших характеристик модели. Решающим фактором эффективности сейчас оказывается математический аппарат. Эффективность модели зависит и от такого субъективного момента, как профессиональные качества и уровень подготовки исследователя – исполнителя.

Таким образом, можно сделать заключение: наилучшее в практическом отношении качество или эффективность любой модели достигается как разумный компромисс между близостью модели к оригиналу (адекватностью) и простотой, обеспечивающей возможность и удобство использования модели по её прямому назначению; чрезмерная  точность модели на практике не менее вредна, чем её неполнота и грубость.

Математическая модель изучаемого про­цесса или объекта является основой, фундаментом всего исследования. Тем не менее на сегодняшний день не существует и, по-видимому, не мо­жет существовать науки о моделировании реальных процессов и явле­ний окружающего мира — точно так же, как не существует науки о том, как совершать открытия, изобретения, создавать новые методы научного поиска. Даже математика — одна из наук, которая в большей, чем другие науки, степени использует дедукцию, своему прогрессу обя­зана в громадной степени таким “ненаучным” приемам, как интуиция, догадка, фантазия, т. е. индуктивному способу мышления. Моделиро­вание объектов и явлений реальности (на сегодняшний день) в большой степени представляет искусство, а искусству учат на опыте. Челове­чество обладает таким опытом. Это опыт классиков естествознания, опыт представителей естественных наук, эксплуатирующих для своих целей математический аппарат, и т. д.

В каждом конкретном случае качество модели во многом зависит от способностей исследователя понять существо, физику изучаемого про­цесса и создать его адекватное математическое описание. Математику привлекают, когда сложен изучаемый или управляемый процесс. Слож­ность обычно состоит в огромном числе характеристик, его описыва­ющих, и большом числе связей между ними. И задача заключается не только в том, чтобы создать адекватное математическое описание изу­чаемого процесса, т. е. его модель, но и разработать методику работы с нею. С громоздкими многопараметрическими моделями трудно прово­дить исследования, поэтому математики вынуждены были при форма­лизации реального процесса отбрасывать многие, на их взгляд менее су­щественные связи, загрублять математическое описание. Необходимо обладать незаурядной интуицией для определения, что важно с точки зрения интересующих исследователя вопросов, что — нет. Однако при решении серьезных практических задач невозможно полагаться лишь на интуицию и опыт небольшой группы исследователей, необходима методика, позволяющая с большой степенью достоверности определить адекватность модели и реальности, ею описываемой, область возмож­ного ее применения и круг вопросов, для исследования которых они пригодны. Необходима “система знаний”, которая позволила бы, ис­пользуя накопленный опыт и определенные принципы, выработанные на его основе, а также доказанные или установленные на их базе поло­жения, создавать модели изучаемых процессов, проводить их анализ и определять пути их дальнейшего использования.

 

5. Методы построения моделей

5.1. Общая логика построения моделей

 

            Модельное исследование, как любой другой вид осознанной целенаправленной деятельности начинается с возникновения проблемы – потребности изменить в лучшую сторону существующее либо ожидаемое положение вещей в той или иной области. Источник проблемы – предшествующее развитие данной области или же внешние факторы.

Осмысление или конкретизация  проблемы приводит к формулировке цели или системы целей как желательного результата будущей деятельности по решению проблемы.

Поставленная цель должна быть соотнесена с реальными возможностями её достижения, т.е. с ресурсами (материальными и другими). Сопоставление целей с ресурсными ограничениями приводит к формулировке задачи исследования, которая помимо непротиворечивой системы конкретных целей, учитывающих ресурсные возможности, включает в себя объект моделирования. Задача и объект моделирования должны рассматриваться совместно. Данные о целях исследования, а также исходная информация об объекте моделирования служат для определения критерия качества создаваемой модели – количественной меры степени её совершенства. В случае вполне формализованной оптимизационной постановки (например, на основе аппарата линейного программирования) критерий приобретает вид некоторого  функционала от переменных и параметров модели, значение которого достигает экстремума при оптимальных её характеристиках.

Следующим шагом в построении модели является основанный на априорных данных содержательный анализ системы задача-объект и выбор класса или, точнее, способа формирования модели. Если объект не слишком сложен, достаточно изучен и комплекс подлежащих модельному исследованию свойств и характеристик объекта может быть выявлен на основе теоретических представлений  и данных (дополняемых необходимым объемом эмпирической информации), целесообразно избрать аналитический путь построения модели. Часто из-за сложности, слабой изученности объекта или отсутствия соответствующих теоретических разработок этот путь не может быть реализован. Альтернативным является путь идентификации объекта, т.е. экспериментального определения существенных для решаемой задачи свойств и характеристик объекта, специально ради построения его  модели. Эксперимент осуществляется в соответствии со специально разрабатываемым оптимальным планом, данные эксперимента обрабатываются и становятся основой для формализованного описания объекта в виде математической модели вход-выход.            

Формализованная модель, построенная теоретическим путем или идентифицированная, оценивается в соответствии с выбранным ранее критерием и либо признается удовлетворительной (принимается), либо отвергается как недостаточно совершенная. В последнем случае возникает необходимость в её корректировке и итеративном обращении к ранее выполненным этапам. Решение о принятии модели (в общем случае после i-того итеративного цикла) влечет за собой переход к следующему этапу – опытной проверке непосредственно в условиях той задачи, для решения которой она построена. При этом возникают нередко дополнительные требования (например, связанные с удобством использования  модели) и необходимость её дополнительной корректировки. Наконец, следует заключительный этап процесса -  использование модели по прямому назначению для решения исследовательской или иной задачи, причем и на этом этапе возможны дальнейшие уточнения и корректировки.

Построение модели представляет собой не однократный акт, а процесс последовательных приближений, в основе которого лежит самообучение исследователя. Начинаясь в условиях большей или меньшей неопределённости (это принципиально, т.к. именно недостаток информации  о свойствах  объекта вызывает постановку задачи его модельного исследования), построение модели неизбежно связано с введением ряда гипотез. Некоторые из них оказываются правомерными. Другие на последних этапах не подтверждаются, что естественно требует возврата к пунктам, в которых они были введены, и соответственной корректировки всех дальнейших процедур. Подобный итеративный характер построения моделей, который проявляется в наличии обратных связей на его блок схеме, есть принципиальное  свойство данного процесса и речь может идти только о том, чтобы итерации были по возможности короткими, чтобы каждое ошибочное предположение выявлялось возможно ближе к точке его возникновения. В этом, собственно, и заключается главное требование к  рациональному плану каждого конкретного модельного исследования.

Проблема моделирования состоит из трех задач:

  • построение модели (эта задача менее формализуема и конструктивна, в том смысле, что нет алгоритма для построения моделей);
  • исследование модели (эта задача более формализуема, имеются методы исследования различных классов моделей);
  • использование модели (конструктивная и конкретизируемая задача).

 

Технология математического моделирования

 

Математическое моделирование – явление достаточно сложное. Обычно говорят о процедуре составления модели и о том, в какой мере модели отражают реальную жизнь. Необходимо иметь в виду все стороны этого явления. Математические модели используются в конечном счете для прогноза развития процессов во времени, состояния, в котором будет находиться объект, его свойств, если выполняются определенные условия. Для того, чтобы получить этот прогноз практически, недостаточно составить модель. Необходимо разработать и реализовать процедуру вычисления интересующих нас характеристик изучаемого процесса, идентифицировать модель, т.е. определить содержащие в ней так называемые внешние величины (коэффициенты, параметры, факторы), убедиться, что модель адекватна, т.е. дает практически приемлемые прогнозы. Необходимо, наконец, давать этот прогноз в тех случаях, когда это требуется. Термин «технология математического моделирования» будет использоваться для обозначения совокупности всех перечисленных действий, необходимых для практического получения прогноза течения процесса или прогноза свойств объектов, - от составления математической модели до вычисления прогнозируемых величин.

Математическое моделирование часто начинается с необходимости прогнозирования развития некоторого процесса во времени. Акт математического моделирования начинается с введения системы величин, полностью (с точки зрения тех практических потребностей, которые вызвали необходимость получения прогноза) характеризующих процесс. Следующим шагом является запись соотношений (зависимостей, связей) между введенными величинами. Эти соотношения возникают в конечном счете из наблюдения, из опыта и являются результатом интуитивного осмысления существа процесса. Суть математического моделирования состоит в получении строгих, однозначно трактуемых соотношения между введенными характеристиками процесса путем пренебрежения тем, что в нем с точки зрения целей, которые ставятся при моделировании, можно считать неглавным, несущественным. Эти соотношения можно изучать чисто математическими средствами, т.е. извлекать из них формальные следствия, отвлекаясь от их содержательного смысла. Математика как раз и есть наука, в рамках которой разрабатываются способы получения разнообразных следствий строгих соотношений (зависимостей, связей) между некоторыми абстрактными характеристиками реальных процессов, явлений. Цена, которую приходится платить за саму возможность получать эти следствия, - пренебрежение чем-то в изучаемом процессе, лишение его «красок», лишь одному ему присущих черт, его «уникальности», т.е. переход от данного конкретного процесса к его абстрактной схеме. Гуманитарные науки и искусство, наоборот, изучают процессы и явления, интересуясь как раз их уникальностью, неповторимостью. Нетрудно заметить, что одно без другого существовать не может.

Процесс определения внешних величин модели называется ее идентификацией. Идентификация математических моделей – существенная часть технологии математического моделирования. Во многих случаях расходы на идентификацию превосходят (часто на порядок) все остальные расходы, связанные с использованием технологии математического моделирования для прогноза развития реальных процессов. Идентификация модели тесно связана с ее верификацией – установлением ее адекватности, т.е. соответствия ее результатов реальному течению прогнозируемого с ее помощью процесса. «Стандартный» способ идентификации состоит в том, что экспериментально измеряются внутренние величины модели (или некоторые их функции), а ее внешние величины подбираются так, чтобы прогноз, полученный с помощью модели с этими внешними величинами, в некотором смысле наименьшим образом отличался от экспериментальных измерений.  Этот способ дает одновременно некоторое представление и об адекватности модели: если внешние величины  удалось подобрать так, что отличие теоретического прогноза от экспериментальных измерений удовлетворительно с практической точки зрения, то это дает надежду на то, что модель окажется адекватной. Полную же уверенность в адекватности модели дает опыт ее эксплуатации: если в процессе эксплуатации модели не возникает очевидных противоречий между даваемым ее прогнозом и реальным положением дел, то модель считается адекватной. Модель, неадекватность которой выяснилась в процессе эксплуатации, либо подвергается коррекции, либо дополняется, либо вообще заменяется новой. Каждая модель адекватна в каких-то рамках, в каких-то пределах и при выходе за эти пределы должна корректироваться, дополняться либо заменяться новой.

Технология математического моделирования содержит следующие этапы: составление модели, идентификация и верификация модели, эксплуатация модели. Выполнение каждого этапа может вызвать возвращение на более ранние этапы: на каждом этапе может оказаться необходимым вносить коррективы в составленную модель, т.е. возвращаться в первому этапу, на этапе идентификации может оказаться необходимым вносить коррективы в алгоритм расчета внешних величин модели по внутренним величинам и т.д. Имея в виду это обстоятельство, будем говорить далее о технологических циклах математического моделирования.    

Этап составления модели. Угадывание величин, характеризующий реальный процесс, как можно более консервативных, как можно более независимых от времени, расстояний, местоположений, других характеристик реальных процессов в пределах точности, приемлемой для практических целей. Постулирование некоторых инвариантностей, именуемых обычно законами. Инварианты, фигурирующие в математических моделях, являются их внешними величинами. Гипотезы об инвариантности определенных величин возникают из опыта, из измерений реальных величин, из обработки этих измерений. Математическое моделирование поэтому немыслимо без измерительной техники. 

Этап разработки и реализации процедуры вычисления внутренних величин модели по ее внешним величинам. Первый вопрос, который здесь возникает: существует ли в принципе такая процедура. Для простых моделей ответ на этот вопрос часто бывает очевидным. Для более сложных моделей это является предметом специального математического анализа. Для многих типов моделей утверждения о том, что это имеет место, называются теоремами существования и единственности. Математические модели, для которых удалость доказать теорему существования и единственности, принято называть замкнутыми. После установления замкнутости модели необходимо разработать процедуру вычисления внутренних величин по внешним. Если эта процедура имеет вид аналитический формулы, то часто такую модель называют аналитической. Для тех замкнутых математических моделей, для которых аналитических формул, дающих внутренние величины, не существует (либо они существуют, но мы не сумели выявить этот факт) возникает проблема разработки численной процедуры, дающей значения внутренних величин и функций от них, которые нас интересуют, с заданной точностью. Эта проблема решается в рамках направления в математике, которое называется вычислительной математикой или численными методами. После этого необходимо составить программу на ЭВМ, реализующую эту численную процедуру.

Этап эксплуатации модели. Этот этап существенно зависит от предыдущего. Другими словами, этап эксплуатации зависит об объема информации, которая необходима для выполнения вычислений интересующих нас величин и от объема самих вычислений. В  зависимости от этих объемов можно выделить три основные формы эксплуатации математических моделей, если под эксплуатацией понимать акты осуществления прогноза развития моделируемого процесса или прогноза его свойств путем реализации процедуры вычисления внутренних величин модели по известных внешним величинам. Первая форма – это аналитические расчетные формулы. Вторая форма эксплуатации моделей – программы на ЭВМ, рассчитывающие интересующие нас функции внутренних величин по задаваемым внешним величинам. Эти формы трактуются как основные. Кроме этих форм имеются различные их промежуточные варианты и комбинации. Третья форма эксплуатации моделей – это так называемые проблемно-ориентированные интерактивные системы. Интерактивные системы вместе с программой, реализующей расчеты интересующих величин, содержат также средства, позволяющие в диалоге с ЭВМ манипулировать внешними величинами, визуализировать и обрабатывать различным образом результаты расчетов. Интерактивные системы являются результатом соединения традиционной технологии математического моделирования с информационной технологией, возникшей на базе ЭВМ. 

5.2. Аналитические модели

 

            Одним из главных результатов многовекового развития науки является познание и объяснение бесчисленного множества объективно существующих явлений и процессов, протекающих на разных уровнях живой и неживой природы. Компоненты теоретического арсенала современной науки – картины мира, теории, законы, принципы – все они от наиболее общих практически универсальных, таких как законы сохранения вещества и энергии, начала термодинамики, закон всемирного тяготения и других, до сугубо локальных, относящихся к узкому классу  объектов или явлений, носят модельный характер. Таким образом в распоряжении исследователя, решающего на основе моделирования конкретную исследовательскую или прикладную задачу, сегодня находится огромное множество моделей-заготовок, которые, очевидно, могут и должны быть использованы. Наиболее благоприятной является ситуация, когда подлежащие описанию и исследованию свойства объекта удается представить непосредственно на основе ранее разработанных и практически достоверных модельных конструктов, являющихся элементами соответствующих областей теоретического знания (механики, термодинамики, электротехники и т.п.). В этом случае создаваемая конкретная модель должна быть охарактеризована как аналитическая (теоретическая). Она, как правило, не только описывает свойства и характеристики объекта, но вскрывает и в  терминах соответствующих теорий выявляет сущность процессов, протекающих в исследуемом объекте. Все допущения и ограничения переносятся на модель.

            На практике теоретические модели выступают в двух основных ролях. Прежде всего, они образуют структурную основу и являются главным исходным материалом всех без исключения теоретических построений. Любая теория, относящаяся к сфере точных наук, есть не что иное, как система взаимосвязанных аналитических моделей, подчиненная регулятивным принципам и универсальным  зависимостям более высокого уровня.

            В поисковых областях научного знания теоретические модели, предназначенные для объяснения и описания явлений, не укладывающихся в существующие теоретические представления, играют роль главного инструмента познания.

В сложившихся областях научного знания, главным образом, прикладного характера, таких как теоретическая механика, теоретическая электротехника и др. аналитические модели, в большей или меньшей мере дополняемые обобщенными экспериментальными данными, носят типовой канонический характер, они являются важнейшей составной частью понятийного аппарата, специфического языка и профессионального мышления. Вместе с тем, модели этого класса являются основой для решения множества конкретных прикладных задач, в частности инженерно-технического характера, относящимся к хорошо изученным, не слишком сложным объектам и носящих типовой или рутинный характер. Расчет прочностных характеристик конструкций, расчеты параметров и характеристик электрических цепей. В каждом конкретном  случае модель исследуемого явления строится с учетом специфики природы и свойств объекта. Вместе с тем можно указать и некоторые общие методы и приемы.

             В основе аналитических моделей, как правило, лежат так называемые балансовые соотношения, связывающие входные и выходные переменные или некоторые функционалы от этих переменных, имеющие смысл обобщенных сил, обобщенных потоков или координат. Типичные примеры: условие равновесия сил или моментов, действующих на некоторую механическую систему, равенство масс исходных и конечных продуктов некоторой химической реакции, равенство нулю суммы ЭДС и падений напряжений в электрической цепи и т.п. Все эти и прочие им подобные соотношения по существу представляют собой частные проявления законов сохранения вещества и энергии. К этой основе добавляется необходимая дополнительная информация, не вытекающая из этих соотношений, источником которой может быть либо специфическая для данного класса объектов теория, либо эксперимент.

            Возможности чисто теоретического решения вопроса уменьшаются с ростом сложности и новизны исследуемого объекта. Впрочем, опыт показывает, что нередко даже для широко используемых на практике и казалось бы, хорошо изученных объектов и процессов, например металлургических, чисто аналитическим путем построить удовлетворительную модель не удается и это побуждает исследователя к формированию модели преимущественно на экспериментальной основе, т.е. в классе идентифицируемых моделей.

 

5.3. Идентифицируемые модели

 

             В основе всех ныне весьма многочисленных методов идентификации или опытного отождествления модели с объектом-оригиналом, лежит идея мысленного эксперимента с «черным ящиком» (Н. Винер). В предельном (теоретическом) случае «черный ящик»  представляет собой некую систему, о структуре и внутренних свойствах которой неизвестно решительно ничего. Зато входы, т.е. внешние факторы, воздействующие на этот объект, и выходы, представляющие собой  реакции на входные воздействия, доступны для наблюдений (измерений) в течение неограниченного времени. Задача заключается в том, чтобы по наблюдаемым данным о входах и выходах выявить внутренние свойства объекта или, иными словами, построить модель. Решение задачи допускает применение двух стратегий:

  1. Осуществляется активный эксперимент. На вход подаются специальные сформированные тестовые сигналы, характер и последовательность которых определена заранее разработанным планом. Преимущество: за счет оптимального планирования эксперимента необходимая информация о свойствах и характеристиках объекта получается при минимальном объеме первичных экспериментальных данных и соответственно при минимальной трудоемкости опытных работ. Но цена за это достаточно высока: объект выводится из его естественного состояния (или режима функционирования), что не всегда возможно.
  2. Осуществляется пассивный эксперимент. Объект функционирует в своем естественном режиме, но при этом организуются систематические измерения и регистрация значений его входных и выходных переменных. Информацию получают ту же, но необходимый объем данных существенно, на 2-3 порядка больше, чем в первом случае.

На практике при построении идентифицируемых моделей часто целесообразна смешанная стратегия эксперимента. По тем входным переменным конкретного объекта, которые это допускают (по условиям безопасности, техническим, экономическим соображениям и пр.),  проводится активный эксперимент. Его результаты дополняют данными пассивного эксперимента, охватывающего все прочие значимые переменные. «Черный ящик» - теоретически граничный случай. На деле есть объем исходной информации. На практике приходится иметь дело с «серым», отчасти прозрачным  ящиком. Поэтому различают три основных класса постановки задачи идентификации объекта:

1. Для сложных и слабо изученных объектов  системного характера достоверные исходные данные о внутренних свойствах и структурных особенностях исчезающе малы, почти отсутствуют. Поэтому задача идентификации, казалось бы, должна включать в себя с одной стороны, определение зависимостей, связывающих входы и выходы (обобщенного оператора), с другой определение внутренней структуры объекта. В такой постановке задача не разрешима даже теоретически. Непосредственным результатом идентификации является только определение зависимостей входы-выходы, причем не в параметрической форме – в виде таблиц или кривых. Для того, чтобы говорить о структуре модели, необходимо перейти к параметрической форме их представлений. Однако, как известно, однозначной связи между функциональной зависимостью и порождающей эту зависимость математической структурой  не существует. Каждую непараметрическую зависимость вход-выход можно аппроксимировать различными способами и соответственно построить ряд практически равноценных моделей, характеризующихся собственной структурой, собственным набором параметров и их значений. Основанием для предпочтения той или иной параметрической модели могут быть только данные, внешние по отношению к процессу идентификации, например, основанные на  теоретических соображениях. Если таких данных нет, то в рассматриваемой ситуации мы получаем чисто функциональную или имитационную модель, которая воспроизводит с тем или иным  приближением  характеристики объекта.

2. Второй класс задач идентификации характеризуется тем, что  априорные данные о структуре моделируемого объекта, в принципе имеются. Однако, какой вклад в характеристики объекта или его модели вносит тот или иной компонент, заранее не известно и это надлежит  определить на основе эксперимента наряду со значением соответствующих параметров. Типичный пример – исследование влияния на характеристики динамической системы, описанной в классе стационарных линейных моделей, старших членов соответствующих дифференциальных уравнений  ради того,  чтобы исключить малые, практически незначимые переменные, и снизив порядок уравнений, упростить модель. Задачи этого класса, связанные с уточнением структуры и оценивания параметров, часто встречаются на практике и характерны для объектов и процессов средней сложности, в частности технологических.

3. Третий класс задач связан с относительно простыми и хорошо изученными объектами, структура которых известна точно и речь идет только о том, чтобы по экспериментальным данным оценить значения всех или некоторых входящих в исследуемую структуру параметров (параметрическая идентификация). Очевидно, что модели данного класса тесно смыкаются с требующими экспериментального доопределения аналитическими моделями и четкой границы между ними не существует. Это наиболее массовый класс задач.

Независимо от характера решаемой на основе идентификации задачи, построение модели базируется на результатах измерений соответствующих величин переменных. С этим связаны два существенных обстоятельства:

q    Во-первых, эксперимент должен быть обеспечен необходимыми средствами измерения надлежащей точности (датчики, измерительные преобразователи, средства регистрации).

q    Во-вторых, измерительный комплекс со всеми его компонентами требует метрологического обеспечения, т.е. градуировки, аттестации и периодичности проверки.

Реальные свойства подавляющего большинства сложных объектов, а также неизбежные случайные погрешности измерений, лежащих в основе идентификации, придают последней статистический характер, что влечет за собой  необходимость получения больших объемов  первичных экспериментальных данных с их  последующей обработкой. Поэтому на практике построение моделей путем идентификации неизбежно связано с использованием информационно-вычислительной техники как при получении первичных данных (автоматизация эксперимента), так и для их обработки и использования.

 

6. Построение математических моделей по экспериментальным данным

 

Задача идентификации формулируется следующим образом. Пусть в результате каких либо экспериментов над объектом замерены его входные X=(х1, х2,…хn) и выходные переменные Y=(y1, y2,…ym) как функции времени. Требуется определить вид (структуру) и параметры некоторого оператора Â, ставящего в соответствие переменные X и Y.

 

 
   

 

 

 

 

 

 

 

 

 

В реальных  условиях переменные  и  замеряются погрешностью и.Чаще всего эти погрешности считаются некоррелированными и аддитивными с полезной информацией, т.е. имеют вид

 

xi=xiист± (i=1,2…n)

yj=yjист± (j=1,2…m)

 

Различают задачи идентификации в широком (структурная идентификация) и узком смысле (параметрическая идентификация) соответственно.  В первом случае  неизвестна структура и параметры оператора Â, во втором – лишь параметры этого оператора.

Таким образом, задача идентификации модели тесно связана  с проведением эксперимента и обработкой экспериментальных зависимостей.

Задача параметрической идентификации сводится к отысканию таких оценок  параметров  математической   модели   Â,   которые  обеспечивают  в каком либо смысле близость расчетных   и экспериментальных  значений выходных переменных при одинаковых входных . Отметим, что в общем случае необходимы измерения «m» компонент вектора , которые могут производиться при «к» повторениях эксперимента при «l» дискретных отметках времени (если идентифицируемый объект функционирует во времени). В качестве критериев количественной меры близости модели и оригинала чаще всего используются максимальные δу, средние mу и среднеквадратичные δу величины погрешностей рассогласования расчетных и экспериментальных значений урi и уэi, соответственно, т.е

                                                dу = max | урi – уэi |

      

mу = 1/n å ( урi – уэi ),           (6.1)

                                          ,

где: i = 1, 2…, n = m + l + k - номер опыта по измерению компоненты уэi 

            Таким образом, задача параметрической идентификации сводится к минимизации одной из функций вида (6.1). Для минимизации могут быть использованы известные численные методы решения экстремальных задач.

            Обилие существующих методов идентификации отражает разнообразие используемых математических моделей и методов их исследования. Очевидно, что  идентифицировать модель детерминированного, линейного, стационарного процесса (модель считается стационарной, если её параметры либо постоянные, либо меняются медленно по сравнению со временем, необходимым для их идентификации) известной размерности, с одним входом – существенно проще, чем аналогичного стохастического процесса неизвестного порядка и степени стационарности.

 

6.1. Идентификация моделей с помощью регрессионного метода

 

            Регрессионный анализ представляет собой классический статистический метод. Благодаря своим широким возможностям регрессионные методы давно и успешно используются в инженерной практике. В последнее время в связи с развитием  и внедрением быстродействующих ЭВМ они широко используются для идентификации моделей, в том числе для идентификации динамических, многомерных процессов, систем диагностики и управления в реальном масштабе времени. Регрессионный анализ основывается на двух главных принципах.

Просмотров: 725     Дата: 2014-03-16

Еще скачать:


Пища и ее влияние на лекарственные средства
Адам Смит – разделение труда
Товары ввозимые на территорию Российской Федерации
Абсорбция. Предотвращение источников техногенной чрезвычайной ситуации
Астрономические открытия